在日前举行的2026 AI生产力大会上，围绕半导体等重点产业的智能化实践，与会人士展开深入交流。华为云伙伴与生态部总裁康晓宇围绕半导体产业数字基础设施分享了华为云的最新思考，他表示，长期以来半导体产业依赖摩尔定律持续演进，但如今一边是晶体管几何微缩逐步逼近物理极限，另一边是先进制程研发和制造成本持续攀升。芯片竞争正在进入一个复杂度、成本与研发周期同时上升的新阶段。

　　相关资料显示，芯片研发周期中约65%的时间用于验证和仿真。康晓宇表示，从项目启动到流片，大量工程时间消耗在等待仿真结果上；当芯片从平面走向三维、从单物理域走向多物理域，设计与验证复杂度持续上升，如何缩短等待、提高研发系统效率，正在成为影响产品上市周期的重要变量。随着芯片复杂度上升，单靠某一个环节的局部优化已经很难解决问题，需要技术创新与产业上下游协同，才能共同应对设计、仿真、制造和封测中的复杂挑战。

　　康晓宇表示，芯片研发需要解决的并不是简单的“算力够不够”，而是如何在研发峰值真正获得可用的计算、存储与安全环境等，并让这些资源协同工作。华为云正在做的就是，把华为20年造芯经验积累的复杂工程实践转化为可复用的数字基础设施能力。

　　据介绍，目前，华为云公开的芯片EDA解决方案已经提供大规模计算池，面向验证、回归测试、流片等资源峰值阶段提供弹性算力；同时通过芯片设计仿真平台统一管理EDA应用、集群资源和预算等，并支持云上云下混合调度。其中，华为云与启云方推出的EDA和OPC仿真上云方案，把华为长期研发实践中形成的高安全等级研发环境经验转化到云上，构建更可信的云上仿真环境。其目标是在研发峰值到来时，能够按需获得高性能计算和存储，并兼顾核心研发数据的安全要求。

　　这也回应了半导体企业长期以来对云的核心顾虑。半导体研发PG电子既有高度敏感、需要专属环境的数据，又有周期性、突发性的海量算力需求，还涉及跨地域团队、分支机构和工厂等复杂IT环境。康晓宇认为，面向这样的场景，需要通过公有云、专属云或专属区、边缘云等多级协同，在弹性与安全之间建立新的平衡。

　　与此同时，AI时代也在改变半导体企业对基础设施的要求。康晓宇提到，传统IT软硬件的代际演进相对可预测，企业自建数据中心尚能跟上；但今天模型、算力和AI能力的迭代越来越快，从立项、采购到部署完成，企业可能已经面对新一轮技术更新。对半导体企业而言，云的价值不仅是解决一次资源峰值，也在于更快获得持续演进的计算与AI能力。